마이크로어레이 데이터의 클러스터 분석은 생물학적으로 연관성 있는 유전자 그룹을 찾기 위해 종종 사용되는 방법이다. 기능적으로 연관된 유전자들이 대개 유사한 발현 패턴을 나타내는 특징을 이용하여 유사한 발현 프로파일을 가진 유전자 그룹을 찾아냄으로써 알려지지 않은 유전자들의 기능을 같은 그룹에 속한 다른 유전자로부터 유추할 수 있기 때문이다. 본 논문에서는 클러스터 분석을 위해 시드 클러스터링 알고리즘을 새로이 제안하고, 이 방법을 마이크로어레이 데이터 분석에 적용해본다. 시드 클러스터링 방법은 주어진 데이터를 계산적으로 분석하여 시드 패턴을 자동 추출하고, 이러한 시드 패턴을 목적 클러스터의 프로토타입 벡터로서 간주하여 클러스터를 생성하는 방법이다. 이러한 시드 클러스터링 방법은 수학적 원리에 기초하고 있기 때문에, 매우 체계적인 방법으로 안정적이며 일관성 있는 클러스터링 결과를 생성할 수 있다. 또한, 실제 마이크로어레이 데이터 분석에 적용해본 결과 데이터에 내재된 각 클러스터를 대표하는 시드 패턴을 매우 효과적으로 자동 추출할 수 있었으며, 클러스터링 결과 또한 타 방법에 비해 다소 우월한 경향을 나타내었다.

파이프라인과 슈퍼스칼라 방식 그리고 동적 스케줄링 기법이 일반화된 시스템 구조 하에서, 분기 명령어에 대한 분기 예측 정확도는 프로세서 입장에서 뿐만 아니라 시스템 전체적인 성능에 있어서 큰 영향을 미친다. 이는 분기 예측이 실패했을 경우 잘못된 분기 예측으로 인한 페널티가 발생하기 때문이며, 이러한 페널티는 파이프라인의 길이가 깊어지고 더욱 많은 수의 명령어가 동시에 실행되는 환경일수록 더 큰 값을 가진다. 본 논문에서는 분기 예측의 정확도를 높이기 위해서, 분기 예측과 관련된 신경망을 구축하여 이론 통해 분기 예측에 필요한 각 요소별 가중치의 경향을 분석한다. 그 결과, 높은 가중치를 가지는 구성 요소를 기존의 분기 예측 기법에 추가시킨 새로운 형태의 분기 예측 기법을 제안한다. 제안된 새로운 기법은 실행 구동방식의 시뮬레이터인 Simple Scalar를 통하여 모의실험 되었으며, 실험 결과 본 논문에서 제시한 "분기 명령어의 방향 정보를 내포하는 새로운 기법(direction-gshare)"이 기존의 gshare 기법과 비교하여 동일한 하드웨어 복잡도를 가지면서도 일반적인 Bimodal 기법이나 이단계 적응형 분기 예측 기법 혹은 그의 변형인 gshare 기법에 비하여 분기 예측의 정확도가 최대 4.1%, 평균 1.5% 더 우수한 결과를 보였으며, 최적의 방향 정보 내포량에 대해서는 최대 11.8%, 평균 3.7%의 성능 향상을 보였다.

본 논문에서는 그래프 임베딩 문제와 관련된 이항트리에서의 Q-에지 번호매김 방법을 제안한다. 이러한 연구결과는 신뢰성이 높은 통신망을 설계하는 최적화 문제인 "n 개의 노드와 e 개의 에지를 가지면서 연결도가 최대인 그래프를 구성하라."를 해결한 Harary 그래프의 일반화인 원형군 그래프(circulant graph)의 점프열로 Q-에지번호들을 이용하면 연결도가 최대인 신뢰성이 높은 새로운 상호연결망(interconnection networks)의 위상을 설계할 수 있다. 그리고 이러한 위상은 이항트리를 스패닝 트리로 가지므로 최적방송이 가능하다.

본 논문에서는 다중 프로세서 시스템을 위한 효율적인 휴리스틱 부하 평형 알고리즘을 제안한다. 제안 알고리즘은 부하이동을 여러 링크로 분산시켜, 사용하지 않는 링크의 수를 최소화하고 그에 따라 통신비용이 감소한다. 각각의 프로세서는 모든 이웃한 프로세서에게 단위부하를 보내거나 받는 과정을 반복적으로 시도한다. 그리나 실제의 부하 이동은 모든 계산이 이루어진 후 수행된다. 이것은 불필요한 부하 이동을 막아 전체적으로 부하이동의 수가 감소한다. 제안된 알고리즘은 약간의 수정만으로 다양한 연결 구조를 갖는 다중 프로세서 시스템에 적용한 수 있다. 본 논문에서는 하이퍼큐브 구조, 메쉬 구조, k-ary n-cube 구조와 일반 그래프 구조에 제안 알고리즘을 적용해 보았다. 알고리즘의 성능평가를 위하여 모의실험을 하였다. 제안된 알고리즘과 잘 알려진 알고리즘을 구현하여 비교하였다. 그 결과 안된 알고리즘은 모든 경우에서 완전한 부하평형에 도달하였다. 또한 기존의 알고리즘과 비교하여 하이퍼큐브 구조에서는 약 77%, 메쉬 구조에서는 약 74%, 또한 k-ary 2,3-cube 구조에서는 약 73% 정도 통신비용을 감소시켰다.

최근 유비쿼터스 컴퓨팅에 대한 연구가 활발히 진행되고 있으며, 유비쿼터스 컴퓨팅의 실현을 위한 핵심기술로서 RFID 시스템에 대한 연구가 활발히 진행되고 있다. 유비쿼터스 환경에서 RFID 시스템이 사용자의 편리함을 가져다주는 장점이 있는 반면, 이로 인해 사용자의 프라이버시가 침해당할 수 있다는 문제점 또한 가지고 있다. 본 논문에서는 기존의 RFID 인증 메커니즘들이 가지고 있는 프라이버시 침해 문제를 분석하고 보다 안전하고 효율적으로 사용자의 프라이버시를 보호할 수 있는 RFID 인증 프로토콜을 제안한다. 제안하는 프로토콜은 공격자의 재전송 공격, 스푸핑 공격, 그리고 트래킹에 대해 안전하다.

레이저 스트라이프 신호를 물체에 투사하고 그 반사파형을 비전 카메라를 통하여 입력하면 물체의 입체적 정보를 갖는 파형이 나타나게 된다. 이를 활용하여 물체의 3차인 입체정보를 저장하고 활용하고 있는 상황이다. 본 연구는 사람에 대해 적은 수의 스트라이프 신호를 투사하고 반사된 입체적 스트라이프 파형을 분석하였으며 사람에 대한 특징적 패턴 파형을 추출하고 푸리에 서술자를 이용하여 이러한 패턴을 분류 저장하였다. Baum-Welch 알고리즘을 통하여 저장된 특징 파형을 학습시키고 HMM을 이용하여 사람의 형상에 대한 스트라이프 신호를 컴퓨터에 입력하고 사람의 형상을 인식할 수 있는 지를 실험하였으며 푸리에 서술자를 통한 인식방법과 비교하였다. 실험을 통해서 특정 파형으로 학습 후 인체의 형상을 인식할 수 있음을 확인하였으며, HMM을 통한 인식방법이 우수함을 알 수 있었다.

본 논문에서는 새로운 강인한 TSK 퍼지 모델링 알고리즘을 제안한다. 데이터에 노이즈나 아웃라이어가 존재할 때 모델링하기 위한 다양한 강인한 접근법이 제안되었지만 주로 손실함수를 사용하여 아웃라이어나 노이즈의 효과를 감소시키는 접근방법들이 수행되었다. 제안된 알고리즘은 노이즈 클러스터링의 변형된 형태로, 손실함수를 사용하지 않고 노이즈를 하나의 클래스로 클러스터링하는 방법을 채택하였다. 노이즈 클러스터링은 포로토타입 기반의 클러스터링 알고리즘으로, 리그레션을 할 수 없기 때문에 먼저 데이터를 클러스터링한 후 다음으로 퍼지 리그레션을 수행한다. 전건부와 후건부의 매개변수를 동시에 얻기 위한 다른 방법들이 고안되었지만 그들 알고리즘들은 매개변수를 구한 후 좀더 정확한 함수의 근사화를 위해 매개변수에 대한 적응과정을 거친다. 본 논문에서는 노이즈 클러스터링 알고리즘을 변경하여 함수의 리그레션을 동시에 수행 할 수 있게 하였다. 제안된 알고리즘은 전건부와 후건부의 매개변수를 동시에 얻을 수 있으며, 매개변수를 구한 후 이에 대한 적응과정이 필요하지 않다. 제안된 알고리즘의 검증을 위하여 몇 가지 간단한 예제를 사용하여 실험하였으며, 기존에 연구된 다른 알고리즘과 비교, 분석하였다. 제안된 알고리즘은 노이즈나 아웃라이어에 대하여 강인한 성능을 보이며, 구현이 용이하다.

본 논문에서는 복소 가우시안 영상 (Complex Extended Gaussian Image, CEGI)을 이용한 3D 메쉬 모델의 블라인드 워터마킹을 제안하였다. CEGI는 메쉬의 법선 벡터 분포를 나타내는 3차원 방향 히스토그램으로, 이는 메쉬의 면적 및 임의의 기준점에 대한 거리로 표현되는 복소 가중치의 합으로 구현된다. 제안한 방법에서는 먼저 3D 메쉬 모델을 모델의 형상에 따라 여러개의 패치로 분할한다. 그리고 워터마크를 삽입하기 위하여 각 패치별로 CEGI를 구한 후에 복소 가중치의 크기가 큰 셀을 선택하여, 각 패치 CEGI 상에 통일한 순위의 셀들에 각각 삽입한다. 그리고 패치의 중점 좌표 및 셀 순위표를 이용하여 원 메쉬 모델없이 워터마크를 추출한다. 이 때, 회전과 같은 아핀 변환된 모델에서는 오일러 각을 이용한 재배열 과정을 수행한다. 실험 결과에서 제안한 방법이 절단, 아핀 변환, 및 랜덤 잡음 첨가등의 기하학적 공격 및 메쉬 간단화 등의 위상학적 공격에 견고하였으며 또한 워터마크의 비가시성을 확인하였다.

본 논문에서는 복잡한 환경에서 정확한 얼굴영역의 경계를 추출하기 위한 활성 윤곽선 모델(Active Contour Model)을 제안한다. 제안된 모델에서 윤곽선은 레벨 함수 φ의 제로 레벨 집합으로 표현되고, 레벨 집합의 편미분 방정식을 통해 진화된다. 이 때, 제안된 모델에서는 윤곽선의 진화와 종교를 위해 2차원 가우시안 모델로 표현되는 피부색 정보를 이용한다. 이를 통해 잡음 및 다양한 포즈를 가지는 복잡한 영상에서도 정확한 얼굴 경계선을 얻을 수 있는 강건한 추출 방법이 구현된다. 제안된 방법의 유효성을 평가하기 위해서 다양한 영상에 대해서 실험이 이루어졌으며, 그 결과를 geodesic 활성 윤곽선 모델의 결과와 비교하였다. 실험결과는 제안된 방법의 보다 나은 성능을 보여준다.